华为Atlas 200 DK行人识别

人体检测

开发者将本Application部署至Atlas 200 DK或者AI加速云服务器上实现对本地mp4文件或者RTSP视频流进行解码，对视频帧中的行人和人脸进行检测并对其属性进行预测，生成结构化信息发送至Server端进行保存、展示的功能。

前提条件

部署此Sample前，需要准备好以下环境：

• 已完成Mind Studio的安装。
• 已完成Atlas 200 DK开发者板与Mind Studio的连接，交叉编译器的安装，SD卡的制作及基本信息的配置等。

软件准备

运行此Sample前，需要按照此章节获取源码包，并进行相关的环境配置。

1. 获取源码包。

   将https://gitee.com/Atlas200DK/sample-videoanalysisperson仓中的代码以Mind Studio安装用户下载至Mind Studio所在Ubuntu服务器的任意目录，例如代码存放路径为：/home/ascend/sample-videoanalysisperson。

2. 获取此应用中所需要的原始网络模型。

   参考表1获取此应用中所用到的原始网络模型及其对应的权重文件，并将其存放到Mind Studio所在Ubuntu服务器的任意目录，例如$HOME/ascend/models/videoanalysispersion。

   表 1 人体检测应用中使用模型

   模型名称	模型说明	模型下载路径
   face_detection	人脸检测网络模型。 此模型是基于Caffe的Resnet10-SSD300模型转换后的网络模型。	请参考https://gitee.com/HuaweiAscend/models/tree/master/computer_vision/object_detect/face_detection目录中README.md下载原始网络模型文件及其对应的权重文件。
   pedestrian	人体特征推理模型。 基于Caffe的VeSPA模型。	请参考https://gitee.com/HuaweiAscend/models/tree/master/computer_vision/classification/pedestrian目录中README.md下载原始网络模型文件及其对应的权重文件。
   inception_age	年龄识别网络模型。 基于Tensorflow的Inception V3模型。	请参考https://gitee.com/HuaweiAscend/models/tree/master/computer_vision/classification/inception_age目录中README.md下载原始网络PB模型文件。
   inception_gender	性别识别网络模型。 基于Tensorflow的Inception V3模型。	请参考https://gitee.com/HuaweiAscend/models/tree/master/computer_vision/classification/inception_gender目录中README.md下载原始网络PB模型文件。
   vgg_ssd	目标检测网络模型。 基于Caffe的SSD512模型。	请参考https://gitee.com/HuaweiAscend/models/tree/master/computer_vision/object_detect/vgg_ssd目录中README.md下载原始网络模型文件及其对应的权重文件。

3. 将原始网络模型转换为Davinci模型。

   1. 在Mind Studio操作界面的顶部菜单栏中选择“Tool > Convert Model”，进入模型转换界面。

   2. 在弹出的Convert Model操作界面中，Model File与Weight File分别选择2中下载的模型文件和权重文件。

      • Model Name填写为表1中对应的模型名称。

      • Tensorflow模型转换时，需要手动增加一栏input shape并进行填写。W、H、C的值和输入节点名可以在netron（https://lutzroeder.github.io/netron/）中通过查看pb模型结构图获取。

      • inception_age模型中age_inference一次处理10张图片，所以转换时需要将Input Shape的N填写为10。

        图 1 inception_age模型转换配置
        

      • inception_gender模型中gender_inference一次处理10张图片，所以转换时需要将Input Shape的N填写为10。

        图 2 inception_gender模型转换配置
        

   3. 单击OK开始转换模型。

      face_detection、vgg_ssd模型在转换的时候，会有报错，报错信息如下图所示。

      图 3 模型转换错误信息
      

      此时在DetectionOutput层的Suggestion中选择SSDDetectionOutput，并点击Retry。

      模型转换成功后，后缀为.om的Davinci模型存放地址为$HOME/tools/che/model-zoo/my-model/xxx。

4. 将转换好的模型文件（.om文件）上传到1中源码所在路径的“sample-videoanalysisperson/script”目录下。

5. 以Mind Studio安装用户登录Mind Studio所在Ubuntu服务器，并设置环境变量DDK_HOME。

   vim ~/.bashrc

   执行如下命令在最后一行添加DDK_HOME及LD_LIBRARY_PATH的环境变量。

   export DDK_HOME=/home/XXX/tools/che/ddk/ddk

   export LD_LIBRARY_PATH=$DDK_HOME/uihost/lib

    说明：

   • XXX为Mind Studio安装用户，/home/XXX/tools为DDK默认安装路径。
   • 如果此环境变量已经添加，则此步骤可跳过。

   输入:wq!保存退出。

   执行如下命令使环境变量生效。

   source ~/.bashrc

部署

1. 以Mind Studio安装用户进入人体检测应用代码所在根目录，如_/home/ascend/sample-videoanalysisperson_。

2. 执行部署脚本，进行工程环境准备，包括ascenddk公共库的编译与部署、Presenter Server服务器的配置等操作，其中Presenter Server用于接收Application发送过来的数据并通过浏览器进行结果展示。

   **bash deploy.sh **host_ip model_mode

   • host_ip：对于Atlas 200 DK开发者板，即为开发者板的IP地址。对于AI加速云服务器，即为Host侧的IP地址。

   • model_mode代表模型文件的部署方式，默认为internet。

     • local：若Mind Studio所在Ubuntu系统未连接网络，请使用local模式，执行此命令前，需要参考依赖代码库下载将依赖代码库的下载到“sample-videoanalysisperson/script“目录下。
     • internet：在线部署，若Mind Studio所在Ubuntu系统已连接网络，请使用internet模式，在线下载依赖软件库。

   命令示例：

   bash deploy.sh 192.168.1.2 internet

   • 当提示“Please choose one to show the presenter in browser(default: 127.0.0.1):“时，请输入在浏览器中访问Presenter Server服务所使用的IP地址（一般为访问Mind Studio的IP地址）。
   • 当提示“Please input a absolute path to storage video analysis data:“时，请输入Mind Studio中的绝对路径用于存储视频解析数据，此路径Mind Studio用户需要有读写权限，若此路径不存在，脚本会自动创建。

   如图4所示，请在“Current environment valid ip list“中选择通过浏览器访问Presenter Server服务使用的IP地址，并输入存储视频解析数据的路径。

   图 4 工程部署示意图
   

3. 启动Presenter Server。

   执行如下命令在后台启动Video Analysis应用的Presenter Server主程序。

   python3 presenterserver/presenter_server.py --app video_analysis_person &

    说明：
   “presenter_server.py“在当前目录的“presenterserver“目录下，可以在此目录下执行python3 presenter_server.py -h或者python3 presenter_server.py --help查看“presenter_server.py“的使用方法。

   如图5所示，表示presenter_server的服务启动成功。

   图 5 Presenter Server进程启动
   

   使用上图提示的URL登录Presenter Server（仅支持Chrome浏览器），IP地址为2中输入的IP地址，端口号默为7011，如下图所示，表示Presenter Server启动成功。

   图 6 主页显示
   

   Presenter Server、Mind Studio与Atlas 200 DK之间通信使用的IP地址示例如下图所示：

   图 7 IP地址示例
   

   • Atlas 200 DK开发者板使用的IP地址为192.168.1.2（USB方式连接）。
   • Presenter Server与Atlas 200 DK通信的IP地址为UI Host服务器中与Atlas 200 DK在同一网段的IP地址，例如：192.168.1.223。
   • 通过浏览器访问Presenter Server的IP地址本示例为：10.10.0.1，由于Presenter Server与Mind Studio部署在同一服务器，此IP地址也为通过浏览器访问Mind Studio的IP。

4. 视频结构化应用支持解析本地视频和RTSP视频流。

   • 如果需要解析本地视频，需要将视频文件传到Host侧。

     例如将视频文件person.mp4上传到Host侧的“/home/HwHiAiUser/sample“目录下。

      说明：
     支持H264与H265格式的MP4文件，如果MP4文件需要剪辑，建议使用开源工具ffmpeg，使用其他工具剪辑的视频文件ffmpeg工具可能不支持解析。

   • 如果仅解析RTSP视频流，本步骤可跳过。

运行

1. 运行Video Analysis程序。

   在“/home/ascend/sample-videoanalysisperson“目录下执行如下命令运行Video Analysis应用程序。

   bash run_videoanalysispersonapp.sh host_ip presenter_view_appname channel1 [channel2] &

   • host_ip：对于Atlas 200 DK开发者板，即为开发者板的IP地址。对于AI加速云服务器，即为Host侧的IP地址。
   • presenter_view_app_name：用户自定义的在PresenterServer界面展示的View Name，此View Name需要在Presenter Server展示界面唯一，，只能是大小写字母、数字、“_”的组合，位数3-20。
   • channel1：为Host侧的视频文件的绝对路径，需要加上双引号，当只存在视频文件时。Channel2可以省略。
   • channel2：为RTSP视频流的URL,需要加上双引号，当只存在RTSP视频流时需要使用” ”对channel1进行占位。

   视频文件运行的命令示例如下所示：

   bash run_videoanalysispersonapp.sh 192.168.1.2 video "/home/HwHiAiUser/sample/person.mp4" &

   RTSP视频流的命令示例如下所示：

   bash run_videoanalysispersonapp.sh 192.168.1.2 video " " "rtsp://192.168.2.37:554/cam/realmonitor?channel=1&subtype=0" &

    说明：
   当前RTSP视频流只支持rtsp://ip:port/path格式，如果需要使用其它格式的url，需要把video_decode.cpp中的IsValidRtsp函数去除，或者直接返回true，跳过正则表达式匹配。

2. 使用启动Presenter Server服务时提示的URL登录 Presenter Server 网站（仅支持Chrome浏览器），详细可参考3。

    说明：
   Video Analysis的Presenter Server最多支持2个 presenter_view_app_name 同时显示。

   页面左侧树结构列出了视频所属app name以及通道名，中间列出了抽取的视频帧大图以及检测出的目标小图，点击下方小图后会在右侧列出详细的推理结果、评分。

   本应用支持人体属性检测和人脸属性检测。

   • 人体属性包括：

     Age：共分Age16-30，Age31-45，Age46-60，AgeAbove61四个年龄段; Backpack; CarryingOther; Casual lower; Casual upper; Formal lower; Hat; Jacket; Jeans; Leather Shoes; Logo; Short hair/Long hair; Male/Female; Messenger Bag; Muffler; No accessory; No carrying; Plaid; PlasticBags; Sandals; Shoes; Shorts; Short Sleeve; Skirt; Sneaker; Stripes; Sunglasses; Trousers; Tshirt; UpperOther; V-Neck。

     其中在视频分析界面的详细推理结果展示区域，Age、Male/Female、Short hair/Long hair是必展示属性，其他属性当置信度>0.5时则展示，否则不展示。

   • 人脸属性检测支持年龄和性别的的识别。

后续处理

• 停止视频结构化应用

  若要停止人体检测应用程序，可执行如下操作。

  以Mind Studio安装用户在sample-videoanalysisperson目录下执行如下命令：

  bash stop_videoanalysispersonapp.sh host_ip

  host_ip：对于Atlas 200 DK开发者板，即为开发者板的IP地址。对于AI加速云服务器，即为Host的IP地址。。

  命令示例：

  bash stop_videoanalysispersonapp.sh 192.168.1.2

• 停止Presenter Server服务

  Presenter Server服务启动后会一直处于运行状态，若想停止视频结构化应用对应的Presenter Server服务，可执行如下操作。

  以Mind Studio安装用户在Mind Studio所在服务器中执行如下命令查看视频结构化应用对应的Presenter Server服务的进程。

  ps -ef | grep presenter | grep video_analysis_person

  ascend@ascend-HP-ProDesk-600-G4-PCI-MT:~/sample-videoanalysisperson$ ps -ef | grep presenter | grep video_analysis_car
  ascend 3656 20313 0 15:10 pts/24?? 00:00:00 python3 presenterserver/presenter_server.py --app video_analysis_person

  如上所示，3656即为车辆检测应用对应的Presenter Server服务的进程ID。

  若想停止此服务，执行如下命令：

  kill -9 3656

依赖代码库下载

将依赖的软件库下载到“sample-videoanalysisperson/script“目录下。

表 2 依赖代码库下载

模块名称	模块描述	下载地址
EZDVPP	对DVPP接口进行了封装，提供对图片/视频的处理能力。	https://gitee.com/Atlas200DK/sdk-ezdvpp 下载后请保持文件夹名称为ezdvpp。
Presenter Agent	与Presenter Server进行交互的API接口。	https://gitee.com/Atlas200DK/sdk-presenter/tree/master 请获取此路径下的presenteragent文件夹，下载后请保持文件夹名称为presenteragent。
开源工具ffmpeg	实现对视频文件的解封	ffmpeg 4.0代码下载地址：https://gitee.com/mirrors/ffmpeg/tree/release%2F4.0/。 下载后，目录名称请使用ffmpeg。
tornado (5.1.0) protobuf (3.5.1) numpy (1.14.2)	Presenter Server依赖的Python库	可以在python官网https://pypi.org/上搜索相关包进行安装。 若使用pip3 install命令在线下载，可以使用如下命令指定相关版本进行下载，例如 pip3 install tornado==5.1.0 -i 指定库的安装源 --trusted-host 安装源的主机名